تشخيص كلمات فارسي بر اساس سيگنال‌هاي الكترومايوگرام چهره

از دست دادن صدا و حنجره يك معضل بزرگ براي افراد با اختلالات گفتاري است. اين اتفاق عواقب جدي و منفي بر كيفيت زندگي فردي و گروهي اين اشخاص به ‌ويژه در محيط‌هاي كاري ايجاد مي‌كند. توسعه‌ي يك سيستم هوشمند بر پايه‌ي سيگنال‌هاي الكترومايوگرام با قابليت تشخيص گفتار (بدون استفاده از صوت) مي‌تواند دريچه‌ي اميدبخشي براي افرادي كه حنجره و صداي خود را بر اثر سرطان از دست ‌داده‌اند باشد. اگر چه در اين حوزه پژوهش‌هايي براي زبان‌هاي مختلف انجام شده اما براي زبان فارسي پژوهشي صورت نگرفته است. در اين مقاله براي اولين بار، بازشناسي واژگان فارسي با استفاده از الكترومايوگرام عضلات چهره انجام پذيرفته است. بدين منظور سيگنال‌هاي sEMG از 8 عضله‌ي چهره‌ي 6 داوطلب هنگام بيان 12 كلمه‌ي زبان فارسي جمع‌آوري شده است. سپس ويژگي‌هاي MFL، VAR، DAMV، LTKE، IQR و Cardinality از هر كانال و هر پنجره از سيگنال استخراج گرديده و 432 ويژگي حاصل از هر سيگنال با استفاده از روش تحليل مولفه‌ي اصلي به 49 ويژگي تقليل يافته است. در نهايت به‌ منظور بازشناسي 12 كلمه‌ي زبان فارسي، ويژگي‌ها به طبقه‌بندهاي SVM، KNN و RF داده شده است. ميانگين صحت طبقه‌بندي به ترتيب 83.16%، 81.91% و 78.97% به دست آمده است. ارزيابي نتايج اين مقاله گوياي آن است كه با استفاده از سيگنال‌هاي EMG مي‌توان كلمات محدود زبان فارسي را با صحت خوبي بازشناسي نمود.